2016多维数据分析方法.pptVIP

数据仓库与OLAP实践 清华大学出版社 第3章 多维数据分析基础与方法 3.1 多维数据分析基础 3.2 多维数据分析方法 3.3 维度表与事实表的连接 3.4 多维数据的存储方式 3.5 小结 3.1 多维数据分析基础 多维数据分析是以数据库或数据仓库为基础的，其最终数据来源与OLTP一样均来自底层的数据库系统，但两者面对的用户不同，数据的特点与处理也不同。 多维数据分析与OLTP是两类不同的应用，OLTP面对的是操作人员和低层管理人员，多维数据分析面对的是决策人员和高层管理人员。 OLTP是对基本数据的查询和增删改操作，它以数据库为基础，而多维数据分析更适合以数据仓库为基础的数据分析处理。 1. 多维数据集（Cube） 多维数据集由于其多维的特性通常被形象地称作立方体（Cube）， 多维数据集是一个数据集合，通常从数据仓库的子集构造，并组织和汇总成一个由一组维度和度量值定义的多维结构。 SQL Server 2000中一个多维数据集最多可包含128个维度和1024个度量值。 2. 度量值（Measure） 度量值是决策者所关心的具有实际意义的数值。 例如，销售量、库存量、银行贷款金额等。 度量值所在的表称为事实数据表，事实数据表中存放的事实数据通常包含大量的数据行。 事实数据表的主要特点是包含数值数据（事实），而这些数值数据可以统计汇总以提供有关单位运作历史的信息。